Jena搭建SPARQL查询RDF数据

1 Jena搭建SPARQL查询RDF数据

1.1 Jena概要

· SPARQL是W3C的RDF数据工作组设计的一种查询语言和协议，用于RDF数据的查询。经过类似于JDK安装时候的配置，可以在命令行运行SPARQL查询，也可以在安装了Jena API之后，在Java程序用使用SPARQL查询。

1.2 Jena环境搭建

· 到oracle官网上下载最新版本的JDK然后安装，地址：http://www.oracle.com/technetwork/java/javase/downloads/index.html

· 可以从http://jena.sourceforge.net免费获得Jena的最新版本，或者直接从本站下载：jena-2.6.4.zip。

· 将下载好的jena解压到摸个目录，如C:\soft\develop\jena

· 添加环境变量，鼠标右键单击【我的电脑】－【属性】－【高级】－【环境变量】

■ 添加JDK系统变量PATH -> 值C:\Program Files (x86)\Java\jdk1.7.0_21\bin

■ 添加Jena系统变量PATH -> 值C:\soft\develop\jena\bat

■ 添加Jena根目录JENAROOT ->C:\soft\develop\jena

· 如何上面没执行错误的话，在命令行执行sparql会返回

No query string or query file

如果执行sparql –h（或者sparql –help）就会返回命令sparql的帮助信息。

1.3 执行一个简单的查询

· SPARQL查询语句的执行格式是：

sparql --data=<file> --query=<query>

file是要查询的数据源，RDF文件或者RDF图文件；

query是查询语句文件，以.rq为文件后缀。

· 数据源，一个RDF文件r1.rdf，文档描述一些简单的人名信息，下面是类似三元组形式的数据表示。

<?xml version="1.0"?>

<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"

xmlns:vCard="http://www.w3.org/2001/vcard-rdf/3.0#">

<rdf:Description rdf:about="http://somewhere/MattJones/">

<vCard:FN>Matt Jones</vCard:FN>

<vCard:N rdf:parseType="Resource">

<vCard:Family>Jones</vCard:Family>

<vCard:Given>Matthew</vCard:Given>

</vCard:N>

</rdf:Description>

<rdf:Description rdf:about="http://somewhere/RebeccaSmith/">

<vCard:FN>Becky Smith</vCard:FN>

<vCard:N rdf:parseType="Resource">

<vCard:Family>Smith</vCard:Family>

<vCard:Given>Rebecca</vCard:Given>

</vCard:N>

</rdf:Description>

<rdf:Description rdf:about="http://somewhere/JohnSmith/">

<vCard:FN>John Smith</vCard:FN>

<vCard:N rdf:parseType="Resource">

<vCard:Family>Smith</vCard:Family>

<vCard:Given>Jones</vCard:Given>

</vCard:N>

</rdf:Description>

<rdf:Description rdf:about="http://somewhere/SarahJones/">

<vCard:FN>Sarah Jones</vCard:FN>

<vCard:N rdf:parseType="Resource">

<vCard:Family>Jones</vCard:Family>

<vCard:Given>Sarah</vCard:Given>

</vCard:N>

</rdf:Description>

</rdf:RDF>

· 查询语句q1.rq

SELECT ?x

WHERE { ?x <http://www.w3.org/2001/vcard-rdf/3.0#FN> "John Smith" }

· 使用上面的查询语句查询r1.rdf文件中的数据的命令行语句就是

sparql --data=r1.rdf --query=q1.rq

返回结果是：

---------------------------------

| x |

=================================

| <http://somewhere/JohnSmith/> |

---------------------------------

· 在执行上面的查询时，要保证数据文件和查询文件在当前目录下，否则命令中应该包括完整路径，即：

sparql --data=c:\sparql\r1.rdf --query=c:\sparql\q1.rq

2 对查询语句和查询结果的理解

· 查询语句包括查询信息的名称以及名称应该符合的条件。条件子句以三元组形式出现，按照<主语，谓语，宾语>的顺序排列。查询条件也成为一个模式（Pattern）。查询的结果实际就是条件三元组与数据文件（或RDF图）中RDF三元组匹配的结果。

· 语句中的 ? 加一个字母表示该字母是一个变量，比如 ?x，在SELECT后面的变量会显示在查询结果中，作为列名称出现。

· 实际上，做到这一步之后，所有的事情只是修改模式，给模式添加一些条件了，非常简单。

2.1 命名空间的简写替代

· 如果查询所有具有名字的实例以及该实例的名字，那么查询语句如下

SELECT ?x ?fname

WHERE {?x <http://www.w3.org/2001/vcard-rdf/3.0#FN> ?fname}

· 注意，“?x ?fname”之间是空格，不是逗号。如果有多个模式三元组，那么三元组之间用点号“.”隔开，比如

SELECT ?givenName

WHERE

{ ?y <http://www.w3.org/2001/vcard-rdf/3.0#Family> "Smith" .

?y <http://www.w3.org/2001/vcard-rdf/3.0#Given> ?givenName .}

· 这时候，模式中的谓词的URI都带一个长长的命名空间字符串，“http://www.w3.org/2001/vcard-rdf/3.0#”，

能用一个简单的单词代替它应该会比较简单。实现简写URI的的语法是这样的：

PREFIX vcard:<http://www.w3.org/2001/vcard-rdf/3.0#>

SELECT ?givenName

WHERE

{ ?y vcard:Family "Smith" .

?y vcard:Given ?givenName .

}

· 语句PREFIX vcard:<http://www.w3.org/2001/vcard-rdf/3.0#> 定义了一个前缀单词vcard，在查询语句中，它与后面的命名空间等价。

2.2 过滤查询结果

· 在查询语句中添加过滤条件的语句是

FILTER regex(?x, "pattern" [, "flags"])

FILTER是声明过滤，?x是过滤模式作用的变量，后面的pattern是具体的限制条件，比如

PREFIX vcard: <http://www.w3.org/2001/vcard-rdf/3.0#>

SELECT ?g

WHERE

{ ?y vcard:Given ?g .

FILTER regex(?g, "r", "i") }

这是要查询一些名字（Given Name），”r”表示，名字中必须出现的字母”r”或者”R”；”i”表示，对签名的字母限制，默认不加对大小写敏感，加上则对大小写不敏感。上面查询的结果是

-------------

| g |

=============

| "Rebecca" |

| "Sarah" |

-------------

· 对数值限制的一个例子是：请查询r2.rdf文件

PREFIX info <http://somewhere/peopleInfo#>

SELECT ?resource

WHERE { ?resource info:age ?age .

FILTER (?age >= 24)}

查询结果是：

------------------------------------------

| resource | age |

==========================================

| <http://somewhere/JohnSmith/> | 44 |

| <http://somewhere/RebeccaSmith/> | 30 |

------------------------------------------

2.3 可选的查询信息optional information

· 在一些查询中，一些需要返回的数据可能不存在，而这些不存在的数据所在的数据元素中有其他需要返回的信息，这时候就可以通过可选查询信息进行查询，比如：

PREFIX vcard: <http://www.w3.org/2001/vcard-rdf/3.0#>

SELECT ?name ?age

WHERE

{ ?person vcard:FN ?name .

OPTIONAL { ?person vcard:Age ?age }

}

这是要查询一些名字和年龄，但有些人没有年龄信息，也要返回名字。

于是，OPTIONAL表示，模式{ ?person info:age ?age } 是可选的，不是必须满足的。

这个查询的执行语句是

sparql --data=vc-db-2.rdf --query=q-opt1.rq

查询结果是

-----------------------

| name | age |

=======================

| "Sarah Jones" | |

| "John Smith" | 44 |

| "Becky Smith" | 30 |

| "Matt Jones" | 18 |

-----------------------

如果去点关键字OPTIONAL，那么，查询的结果就是

-----------------------

| name | age |

=======================

| "John Smith" | 44 |

| "Becky Smith" | 30 |

| "Matt Jones" | 18 |

-----------------------

有些人没有年龄信息，那么，这些人的名字也不会被作为查询结果返回。

2.4 对可选模式添加过滤条件

PREFIX vcard: <http://www.w3.org/2001/vcard-rdf/3.0#>

SELECT ?name ?age

WHERE

{ ?person vcard:FN ?name .

OPTIONAL { ?person vcard:Age ?age .

FILTER ( ?age > 24 ) }

}

这样返回的信息是

-----------------------

| name | age |

=======================

| "Sarah Jones" | |

| "John Smith" | 44 |

| "Becky Smith" | 30 |

| "Matt Jones" | |

-----------------------

· 有些人没有年龄信息（"Sarah Jones"），有些人的年龄小于24（"Matt Jones" ），他们的名字信息也会出现在查询结果中。下面的查询要求，如果有年龄信息，那么年龄必须大于24，否则不是期望的查询结果。

PREFIX vcard:<http://www.w3.org/2001/vcard-rdf/3.0#>

SELECT ?name ?age

WHERE

{ ?person vcard:FN ?name .

OPTIONAL { ?person vcard:Age ?age . }

FILTER ( !bound(?age) || ?age > 24 )

}

语句 !bound(?age) || ?age > 24 的意思是，没有（未绑定）age或者age大于24。如此，年龄小于24的"Matt Jones"就不会出现在这个查询的结果中了。

-----------------------

| name | age |

=======================

| "Sarah Jones" | |

| "John Smith" | 44 |

| "Becky Smith" | 30 |

-----------------------

2.5 联合查询

· vCard词汇表和FOAF词汇表都可以表示人的信息，比如vCard中的vCard:FN, FOAF中的foaf:name.这一节介绍在一个RDF图同时用vCard:FN和foaf:name表示人的信息时，如何查询相关数据。

注：vCard是电子商务中卡的一种文件格式标准，一般与邮件信息关联。FOAF（http://xmlns.com/foaf/0.1/）是一种RDF的应用，所列网址有它的规范。

· 一个RDF文件，r3.rdf文件的的内容为

<?xml version="1.0"?>

<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"

xmlns:foaf="http://xmlns.com/foaf/0.1/"

xmlns:vCard="http://www.w3.org/2001/vcard-rdf/3.0#">

<rdf:Description rdf:about="http://somewhere/MattJones">

<foaf:name>Matt Jones</foaf:name>

</rdf:Description>

<rdf:Description rdf:about="http://somewhere/SarahJones">

<foaf:name>Sarah Jones</foaf:name>

</rdf:Description>

<rdf:Description rdf:about="http://somewhere/BeckySmith/">

<vCard:name>Becky Smith</vCard:name>

</rdf:Description>

<rdf:Description rdf:about="http://somewhere/JohnSmith/">

<vCard:name>John Smith</vCard:name>

</rdf:Description>

</rdf:RDF>

它只是分别用foaf:name和vcard:FN描述了四个人名，这一节的查询将针对此文件。

· 查询人名信息

PREFIX foaf: <http://xmlns.com/foaf/0.1/>

PREFIX vCard: <http://www.w3.org/2001/vcard-rdf/3.0#>

SELECT ?name

WHERE{

{ [] foaf:name ?name } UNION { [] vCard:FN ?name }

}

查询结果是

-----------------

| name |

=================

| "Sarah Jones" |

| "Matt Jones" |

| "John Smith" |

| "Becky Smith" |

-----------------

一个等价的查询语句是

PREFIX foaf: <http://xmlns.com/foaf/0.1/>

PREFIX vCard: <http://www.w3.org/2001/vcard-rdf/3.0#>

SELECT ?name

WHERE{

[] ?p ?name

FILTER ( ?p = foaf:name || ?p = vCard:FN ) }

· 记录结果的来源，查询语句和结果分别是

PREFIX foaf: <http://xmlns.com/foaf/0.1/>

PREFIX vCard: <http://www.w3.org/2001/vcard-rdf/3.0#>

SELECT ?name1 ?name2

WHERE{

{ [] foaf:name ?name1 } UNION { [] vCard:FN ?name2 }

}

---------------------------------

| name1 | name2 |

=================================

| "Sarah Jones" | |

| "Matt Jones" | |

| | "John Smith" |

| | "Becky Smith" |

---------------------------------

使用OPTIONAL

PREFIX foaf: <http://xmlns.com/foaf/0.1/>

PREFIX vCard: <http://www.w3.org/2001/vcard-rdf/3.0#>

SELECT ?name1 ?name2

WHERE{

?x ?a ?name

OPTIONAL { ?x foaf:name ?name1 }

OPTIONAL { ?x vCard:FN ?name2 }

}

查询结果是：

---------------------------------

| name1 | name2 |

=================================

| "Matt Jones" | |

| "Sarah Jones" | |

| | "Becky Smith" |

| | "John Smith" |

---------------------------------

2.6 查询命名的图

· 图是一个RDF数据集，不是一个完整的RDF文件。现在有三个图

ds-dft.rdf

<?xml version="1.0"?>

<!DOCTYPE rdf:RDF [<!ENTITY xsd "http://www.w3.org/2001/XMLSchema#">]>

<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"

xmlns:dc="http://purl.org/dc/elements/1.1/">

<rdf:Description rdf:about="ds-ng-1.rdf">

<dc:date rdf:datatype="&xsd;dateTime">2005-07-14T03:18:56+0100</dc:date>

</rdf:Description>

<rdf:Description rdf:about="ds-ng-2.rdf">

<dc:date rdf:datatype="&xsd;dateTime">2005-09-22T05:53:05+0100</dc:date>

</rdf:Description>

</rdf:RDF>

ds-ng-1.rdf

<?xml version="1.0"?>

<!DOCTYPE rdf:RDF [<!ENTITY xsd "http://www.w3.org/2001/XMLSchema#">]>

<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"

xmlns:dc="http://purl.org/dc/elements/1.1/">

<rdf:Description rdf:about="">

<dc:title>Harry Potter and the Philospher's Stone</dc:title>

</rdf:Description>

<rdf:Description rdf:about="">

<dc:title>Harry Potter and the Chamber of Secrets</dc:title>

</rdf:Description>

</rdf:RDF>

ds-ng-2.rdf

<?xml version="1.0"?>

<!DOCTYPE rdf:RDF [<!ENTITY xsd "http://www.w3.org/2001/XMLSchema#">]>

<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"

xmlns:dc="http://purl.org/dc/elements/1.1/">

<rdf:Description rdf:about="">

<dc:title>Harry Potter and the Sorcerer's Stone</dc:title>

</rdf:Description>

<rdf:Description rdf:about="">

<dc:title>Harry Potter and the Chamber of Secrets</dc:title>

</rdf:Description>

</rdf:RDF>

· 查询语句是

PREFIX xsd: <http://www.w3.org/2001/XMLSchema#>

PREFIX dc: <http://purl.org/dc/elements/1.1/>

PREFIX : <.>

SELECT *{ ?s ?p ?o }

对图的查询是（PREFIX : <.>是为了格式化输出？？？），

sparql --graph=ds-dft.rdf --namedgraph=ds-ng-1.rdf --namedgraph=ds-ng-2.rdf --query=ds-dft.rq

查询结果是

---------------------------------------------------------------------

| s | p | o |

=====================================================================

| :ds-ng-2.rdf | dc:date | "2005-09-22T05:53:05+0100"^^xsd:dateTime |

| :ds-ng-1.rdf | dc:date | "2005-07-14T03:18:56+0100"^^xsd:dateTime |

---------------------------------------------------------------------

· 查询指定图

PREFIX dc: <http://purl.org/dc/elements/1.1/>

PREFIX : <.>

SELECT ?title{

GRAPH :ds-ng-2.rdf

{ ?b dc:title ?title }}

查询结果

---------------------------------------------

| title |

=============================================

| "Harry Potter and the Chamber of Secrets" |

| "Harry Potter and the Sorcerer's Stone" |

---------------------------------------------

2.7 SPARQL查询结果集

· 四种形式的结果

■ SELECT – 返回一个表（table），Tutorial里介绍的主要是这种查询

■ CONSTRUCT – 返回一个RDF图

■ DESCRIBE – 返回一个RDF图.

■ ASK – 布尔查询

· 结果调整

■ Projection - 投影- 只保持选择的变量

■ OFFSET/LIMIT - 偏移和限制 - 分解数字结果

■ ORDER BY - 排序

■ DISTINCT - 产生只有一行的一个组合变量和值.